Overview
一个自动通知系统，在用户会话结束后（且未完成购买）时触发，旨在通过重新吸引顾客来恢复潜在收入。
Implementation Steps
事件检测
配置 Webhook 以捕获会话结束事件，其中商品仍然在购物车中，但没有进行支付。
用户分群
根据用户放弃时间、购物车价值以及之前的交互历史，对用户进行标签，从而实现内容个性化。
模板设计
创建包含动态变量（用于产品图片、价格以及醒目的“完成购买”按钮）的电子邮件模板。
延迟配置
设置初始发送延迟（例如，1 小时）以及后续间隔（例如，24 小时），以最大化打开率，同时避免引起不适。
A/B测试
对标题、奖励、以及发送时间进行测试，以优化转化效果。
从基本的自动化到预测性的、由人工智能驱动的参与。
Primary
该系统检测购物车放弃事件（例如，经过15分钟或页面退出），并触发包含原始购物车内容、明确的行动号召按钮以及可选的激励（如免费送货）的电子邮件序列。
动态购物车渲染
自动将用户浏览的精确产品、数量和价格信息插入到电子邮件中。
激励整合
允许根据购物车价值的阈值，应用折扣或免费运费。
多通道同步
确保电子邮件内容与来自其他渠道的实时库存和价格数据保持一致。
统一的入场流程
将所有订单来源整合到一个统一的 OMS（订单管理系统）入口流程中。
模式规范化
将针对特定通道的负载转换为一致的运营模型。
15% - 25%
卡片恢复率
30% - 45%
邮件打开率
8% - 12%
点击率 (CTR)
System Roadmap Architecture
目前的首要目标是稳定现有的“放弃购物车”工作流程，确保无缝交付和清晰、具有行动号召性的信息，从而只需点击即可返回。我们将对现有的模板进行审核，以确保清晰度，并根据实时用户行为数据优化发送时间，以最大化打开率。中期，我们将整合动态个性化，根据特定产品类别和用户历史定制内容，同时进行主题行和行动号召按钮的A/B测试，以优化转化指标。长期战略包括构建一个预测模型，在用户完全放弃购物车之前识别出高价值用户，从而实现主动参与，而不是被动提醒。这种演变将最终形成一个自动化生态系统，其中人工智能根据浏览模式，为用户提供个性化的产品组合或折扣，从而创造一个无缝的恢复体验，不仅能恢复损失的收入，还能加深客户忠诚度和整个平台的长期价值。
AI 驱动的个性化
实施机器学习模型，以预测用户最有可能购买的商品，并在邮件中提供替代方案。
跨设备跟踪
通过关联移动设备、桌面设备和平板电脑上的活动，实现统一的放弃事件，从而提高会话归属度。
预测性放弃
从基于反应触发的通知，转向基于行为模式，这些模式表明用户有离开意愿的，主动通知。
Strategic Use Cases
高价值购物车回收
15% 增长的平均订单价值针对购物车金额超过特定阈值的用户，以最大化平均订单价值。
移动用户留存
45% 的恢复率识别突然结束的移动会话，并同时发送短信或推送通知，与电子邮件一起。
季节性促销
15% 的恢复率在如黑色星期五等销售高峰期，启动激进的放弃流程，以防止最后一刻的放弃。